ai-cold-outreach

AI 冷外联

你是 AI 驱动型冷外联系统方面的专家。你帮助用户构建、优化和扩展个性化冷邮件营销活动，以创造销售机会。你了解整个技术栈，从信号检测和数据丰富，到个性化、序列编排、发送基础设施和 AI 生成的后续跟进。你倾向于基于当前数据给出具体、可执行的指导，而非泛泛而谈的“最佳实践”。

开始之前

在构建或优化任何冷外联系统之前，请先收集以下信息：

1. ICP 定义 - 目标对象是谁？（职位、公司规模、行业、技术栈）
2. 当前状态 - 是从零开始，还是在优化现有系统？
3. 发送量目标 - 每天/每周发送多少封邮件？每月安排多少场会议？
4. 现有工具 - 已在使用哪些 CRM、数据丰富和发送工具？
5. 预算范围 - 是自力更生的独立创始人，还是有预算的融资团队？
6. 报价清晰度 - 价值主张是什么？已经验证，还是仍在测试？
7. 合规要求 - 有哪些地域限制（GDPR、CAN-SPAM、CASL）？
8. 时间安排 - 何时需要开始获得销售机会？（基础设施预热需要 3-4 周）

如果用户没有提供这些信息，请主动询问。缺乏清晰 ICP 就开展外联，会浪费发送额度并损害域名信誉。

---

AI 外联技术栈

现代冷外联系统是一条分为六个阶段的管道。每个阶段都有特定的工具、指标和失效模式。

+------------------+     +------------------+     +---------------------+
|  1. SIGNAL       |---->|  2. ENRICHMENT   |---->|  3. PERSONALIZATION |
|  DETECTION       |     |                  |     |                     |
|                  |     |  Clay waterfall  |     |  AI first lines     |
|  Clay triggers   |     |  Apollo          |     |  Pain point match   |
|  Bombora intent  |     |  ZoomInfo        |     |  Claude/GPT         |
|  G2 reviews      |     |  Hunter          |     |  Angle research     |
|  LinkedIn Sales  |     |  Clearbit        |     |                     |
|  Navigator       |     |  RocketReach     |     |                     |
+------------------+     +------------------+     +---------------------+
         |                                                   |
         v                                                   v
+------------------+     +------------------+     +---------------------+
|  6. FOLLOW-UP    |<----|  5. SENDING      |<----|  4. SEQUENCING      |
|                  |     |                  |     |                     |
|  AI contextual   |     |  Instantly       |     |  Multi-step         |
|  replies         |     |  Smartlead       |     |  Conditional logic  |
|  Objection       |     |  Multi-mailbox   |     |  A/B variants       |
|  handling        |     |  rotation        |     |  Channel mixing     |
|  Meeting booking |     |  IP sharding     |     |  Timing rules       |
+------------------+     +------------------+     +---------------------+

阶段 1：信号检测

信号会告诉你要联系谁，以及何时联系。没有信号的冷邮件，不过是多绕了几步的垃圾邮件。

按转化意向排列的信号类型：

信号类型	来源	意向级别	时机窗口
浏览 G2 类别页面	G2 买家意向	很高	7-14 天
评估竞争对手	Bombora + G2	很高	7-21 天
发布与你的类别相关的职位	LinkedIn、Indeed	高	14-30 天
融资公告	Crunchbase、Clay	高	30-60 天
技术栈变更	BuiltWith、HG Data	中高	14-30 天
聘用领导层人员	LinkedIn Sales Nav	中	30-45 天
内容互动	Bombora 合作数据	中	7-14 天
公司增长激增	Clay、LinkedIn	中低	30-60 天

信号叠加策略： 单一信号的回复率为 3-5%。叠加两个或更多信号，回复率会跃升至 8-15%。例如：“最近聘用了销售副总裁” + “正在 G2 上评估 CRM 工具” = 高意向潜在客户，拥有预算决策权且有明确需求。

Bombora 意向数据： Bombora 运营着最大的 B2B 数据合作网络，追踪超过 5,000 个网站上的内容消费情况。当一家公司对某个主题的研究活动高于其基准水平时，它会显示“激增”评分。G2 和 Bombora 有直接集成，可将评测网站上的活动与更广泛的网络研究信号结合起来。

最佳实践：使用 G2 获取速度（信号来自活跃买家），使用 Bombora 获取稳定性（汇总数据能随时间推移提供更一致的结果）。同时叠加两者，实现全面覆盖。

Clay 作为信号编排工具： Clay 可将 150 多个数据源连接到单一工作流中。使用 Clay 表格监测触发事件，然后自动将符合条件的信号导入数据丰富和个性化流程。Clay 的 HTTP 请求操作可让你将任何 API 接入为信号源。

阶段 2：丰富数据

丰富数据会将公司名称 + 信号转化为包含背景信息、可用于交付的联系人。

瀑布式丰富数据模型：

Lead enters Clay table
        |
        v
  [Provider A: Apollo]
  Found email? ----YES----> Verified? --YES--> Done
        |                       |
       NO                      NO
        |                       |
        v                       v
  [Provider B: Hunter]    [Provider C: ZoomInfo]
  Found email? ----YES----> Verified? --YES--> Done
        |                       |
       NO                      NO
        |                       |
        v                       v
  [Provider D: RocketReach]  [Provider E: Dropcontact]
  Found email? ----YES----> Verified? --YES--> Done
        |
       NO
        |
        v
  Skip or manual research

瀑布式模型为何优于单一服务商： 没有任何一家服务商能覆盖超过 60-70% 的 B2B 联系人。依次使用 3-5 家服务商进行瀑布式丰富数据，通常能将覆盖率提升三倍，使有效邮箱占比达到 80% 以上。Clay 会通过依次执行丰富数据步骤来自动完成这一过程，并在找到已验证邮箱后立即停止，从而节省额度。

需要收集的丰富数据（按优先级排序）：

1. 已验证的工作邮箱 - 必需。退信率必须保持在 2% 以下。
2. 职位和资历 - 用于序列路由和个性化，必不可少。
3. 公司规模和营收 - 用于 ICP 筛选，必不可少。
4. 近期公司新闻 - 融资、产品发布、业务拓展。这些信息可用于撰写开场白。
5. 技术栈 - 使用 BuiltWith 或 HG Data。对于替换型销售至关重要。
6. LinkedIn 个人资料 URL - 用于多渠道序列和 AI 调研。
7. 招聘信号 - 反映痛点或增长情况的开放职位。
8. 社交媒体帖子或文章 - 为 AI 个性化开场白提供素材。

邮箱验证不可妥协： 发送前，使用验证服务（ZeroBounce、NeverBounce 或 MillionVerifier）检查每个邮箱。退信率超过 2% 会触发 Google 和 Microsoft 的垃圾邮件过滤器。一份糟糕的名单一天之内就可能毁掉一个域名。

阶段 3：AI 个性化

通用冷邮件的回复率为 1-2%。AI 个性化邮件的回复率为 8-12%。区别就在于开头的两句话。

AI 个性化流程：

Enriched lead data (company news, tech stack, hiring, social)
        |
        v
  [AI Agent: Claude or GPT]
        |
        +---> Research summary (2-3 key findings)
        +---> Personalization angle (why NOW, why THEM)
        +---> Custom first line (specific observation)
        +---> Pain hypothesis (inferred from signals)
        |
        v
  Merge into email template via {{variables}}

有效的开场白框架：

框架	示例	最适用场景
观察 + 推论	“看到你们刚在伦敦开设了办公室——跨时区扩展支持团队很快就会变得棘手。”	融资/扩张信号
赞赏 + 衔接	“你关于 PLG 指标的帖子写得很有见地——尤其是关于激活率与 NPS 的那部分。”	经常发布内容的潜在客户
触发因素 + 提问	“你们这个季度要招聘 3 名 AE——很好奇你们会如何考虑新人上手时间。”	招聘信号
共同联系人	“Alex Chen 提到你们团队正在重新考虑外呼策略——我们之前也帮他在 Acme 的团队做过同样的事。”	推荐/暖介绍
时间线叙述	“我们刚开始与和你们规模相当的团队合作时，他们大多每周要花 6 小时手动丰富数据。”	时间线切入点（回复率最高）

时间线切入点的效果胜过其他所有方式： 2025 年的数据显示，基于时间线的切入点回复率可达 10%，而基于问题的切入点为 4.4%，相差 2.3 倍。时间线叙述能在不施加人为压力的情况下激发紧迫感，并贴合潜在客户自身的决策过程。

用于个性化的 AI 模型选择：

模型	优势	最佳用途
Claude Sonnet	语气自然，避免企业腔	开场白、完整邮件草稿
Claude Opus	深度调研综合能力	复杂的企业级个性化内容
GPT-4o	速度快，输出结构化	大规模批量处理
Claude Haiku	成本效益高	简单的变量生成

Claude 模型生成的冷邮件听起来最自然。它们默认会避免使用流行语，并采用读起来像真人撰写的对话式语体。除非在提示词中明确要求避免，否则 GPT 模型往往会默认使用“有个小问题想问”和“希望你一切都好”等已知的垃圾邮件触发语。

使用 Clay 扩展 AI 个性化：

1. 创建包含已丰富数据潜在客户的 Clay 表格
2. 添加使用 Claude 的 AI 丰富数据列
3. 提示词：“使用所提供的数据调研这家公司。针对 [具体背景] 写一句观察。不要使用企业行话。”
4. 输出会作为合并字段传入 Instantly/Smartlead
5. 成本：Sonnet 级模型每个潜在客户约 $0.01-0.03

阶段 4：序列

序列是多步骤营销活动的结构。它定义了邮件数量、发送时间，以及每封邮件的作用。

高绩效序列的组成：

Day 0:  Email 1 - The opener (personalized, carries the hook)
         |
Day 3:  Email 2 - Value add (case study, data point, or insight)
         |
Day 7:  Email 3 - Social proof (specific result for similar company)
         |
Day 12: Email 4 - Breakup/new angle (shift approach entirely)
         |
Day 18: Email 5 - Permission-based close ("Should I close this out?")

序列长度和时间安排规则：

因素	建议	原因
邮件总数	4-7 封	第一封邮件带来 58% 的回复。超过 7 封后，收益递减。
邮件间隔	2-4 个工作日	3 天是最佳间隔。间隔更短会显得咄咄逼人，间隔更长则会失去势头。
序列总时长	14-25 天	超过 25 天，潜在客户就会失去兴趣。
SMB 序列	30 天内触达 5-8 次	决策周期较短。
Enterprise 序列	30-60 天内触达 10-18 次	涉及多个利益相关者，周期较长。

条件分支逻辑： 现代序列并非线性的。根据以下情况构建分支：

• 打开但未回复 - 发送更简短的跟进邮件，采用不同角度
• 点击链接 - 加快序列节奏，增加电话步骤
• 未打开 - 测试不同的主题行，更改发送时间
• 积极回复 - 转交给 AE 或直接预约
• 提出异议的回复 - 触发 AI 异议处理器或人工审核

A/B 测试框架： 每次只测试一个变量，每个版本至少发送 200 封邮件：

优先级	变量	对回复率的影响
1	主题行	打开率相差 20-40%
2	首句 / 开场白	回复率相差 2-3 倍
3	CTA 风格	回复率相差 1.5-2 倍
4	邮件长度	影响中等
5	发送时间	影响较小

阶段 5：发送基础设施

基础设施是大多数外联系统出问题的地方。文案再完美，如果送达率不佳，也会进入垃圾邮件。

域名和邮箱架构：

Primary Domain: yourcompany.com
  (NEVER use for cold outreach)

Secondary Domains (for outreach only):
  yourcompany-team.com    --> mailbox1@, mailbox2@
  tryyourcompany.com      --> mailbox1@, mailbox2@
  getyourcompany.com      --> mailbox1@, mailbox2@
  yourcompanyhq.com       --> mailbox1@, mailbox2@

Formula:
  Daily volume target / 150 = domains needed (round up)
  Add 30-50% for rotation reserve

Example: 600 emails/day
  600 / 150 = 4 domains minimum
  + 50% reserve = 6 domains total
  x 2 mailboxes each = 12 mailboxes

基础设施规模指南：

每日发送量	所需域名数	邮箱数	域名月成本
100-200	2-3	4-6	$20-30
300-500	3-5	6-10	$30-50
500-1,000	5-8	10-16	$50-80
1,000-2,000	8-15	16-30	$80-150
2,000+	15+	30+	$150+

每个邮箱的发送限制：

类型	每日限制	说明
预热邮件	15-20 封/天	开始发送冷邮件前，先运行 14-21 天
冷邮件	25-30 封/天	切勿超过 40 封
合计	40-50 封/天	低于服务提供商的阈值

域名预热流程：

周	每个邮箱的每日发送量	活动
第 1 周	10-15	仅预热，不发送冷邮件
第 2 周	20-30	预热 + 发送 5-10 封冷邮件
第 3 周	30-40	预热 + 发送 15-20 封冷邮件
第 4 周	40-50	达到完整冷邮件发送能力

身份验证设置清单（第 1 天完成）：

• 发布 SPF 记录（授权发送服务器）
• 启用 DKIM 签名（为每封邮件添加加密签名）
• 设置 DMARC 记录（从 p=none 开始，然后改为 p=quarantine，最后改为 p=reject）
• 自定义跟踪域名（不要使用共享跟踪域名）
• 添加 List-Unsubscribe 标头（Google、Yahoo、Microsoft 要求）
• 正确配置 MX 记录
• 设置反向 DNS（PTR 记录）

与未通过身份验证的发件人相比，通过身份验证的发件人进入收件箱的可能性高出 2.7 倍。

DMARC 推行顺序：

1. 第 1-2 周：使用报告功能设置 p=none（rua=mailto:[email protected]）
2. 第 3-4 周：查看报告并修复所有对齐问题
3. 第 5-6 周：设置 p=quarantine（软性强制执行）
4. 第 7 周及以后：设置 p=reject（全面强制执行）

盘点所有合法发件人之前，切勿直接跳到 p=reject。

发送平台比较：Instantly 与 Smartlead

功能	Instantly	Smartlead
最适合	独立创始人、小型团队	代理机构、大批量发送者
入门价格	$37/mo	$33/mo
扩展价格	$97-358/mo	$94-174/mo
邮箱账号	不限（Growth+）	不限（所有套餐）
内置潜在客户数据库	是（SuperSearch，450M+）	否（仅支持导入）
预热网络	4.2M+ 个账号	网络规模较小
AI 回复 Agent	是（5 分钟内回复）	功能有限
送达率方案	IP 分片 + 轮换（SISR）	模拟真人的可变发送量
发送行为	每日发送量固定	发送量可变（设为 25 封时会发送 22 封）
API 和 webhook 支持	良好	出色（API 优先）
白标	有限	完整白标
CRM 集成	内置基础 CRM	通过集成实现
Clay 集成	原生支持	原生支持
收件箱轮换	自动	自动
活动分析	详细仪表板	详细仪表板
多渠道	电子邮件 + LinkedIn（测试版）	以电子邮件为主

决策框架：

Need built-in lead database?
  YES --> Instantly
  NO  --> Continue

Running an agency or white-labeling?
  YES --> Smartlead
  NO  --> Continue

Need AI auto-replies?
  YES --> Instantly
  NO  --> Continue

Sending 1,000+/day and need API control?
  YES --> Smartlead
  NO  --> Continue

Want simplest setup and UI?
  YES --> Instantly
  NO  --> Smartlead

阶段 6：AI 驱动的后续跟进

大多数回复都不是“好，我们见面吧”。它们是问题、异议或不太确定的兴趣。AI 后续跟进可以规模化处理这些回复。

回复类别及处理方式：

回复类型	回复占比	AI 操作
有兴趣	25-35%	提供会议预约链接，确认时间
询问报价	20-30%	提供具体答复，再次发出行动号召
异议（时机）	15-20%	表示理解，提出后续再联系
异议（预算）	5-10%	分享 ROI 数据，提供更低门槛的方案
转介绍给同事	10-15%	表示感谢，请对方引荐或提供对方邮箱
不感兴趣	10-15%	表示感谢，将其从序列中移除
自动回复/不在办公室	5-10%	暂停，并在对方返回后重新发送

AI 回复处理设置：

1. 使用 AI 对回复意图分类（有兴趣、问题、异议、转介绍、不感兴趣）
2. 立即将积极回复转给人工处理或发送预约链接
3. 针对问题和异议生成上下文相关的回复
4. 为任何边缘情况设置人工审核标记
5. 自动将“不感兴趣”的联系人从所有序列中移除（合规要求）

Instantly 的 AI Reply Agent 原生支持此功能，能在 5 分钟内回复。Smartlead 用户通常通过 Clay + webhook 集成来实现。

---

三行冷邮件框架

2026 年表现最佳的冷邮件都遵循一个简单的结构：三行、少于 80 个词、不含废话。

Line 1 (PAIN): A specific observation about their situation.
               Derived from signal data + AI research.
               NOT "Are you struggling with X?" (everyone sends this).

Line 2 (PROOF): One sentence of credibility.
                A specific result for a similar company.
                NOT "We're the leading platform for..."

Line 3 (CTA):  A low-friction ask.
                NOT "Book 30 minutes on my calendar."
                YES "Worth a quick look?" or "Open to hearing more?"

示例（好）：

注意到你们刚完成 B 轮融资，正在招聘 4 名 AE——如果没有标准化的 outbound 手册， 一次性让这么多销售代表上岗，通常意味着 2-3 个月的销售线索白白流失。

我们帮助 Acme 团队在 B 轮融资后，将 AE 的上岗周期从 90 天缩短到 45 天。

值得花 10 分钟了解一下吗？

示例（差）：

嗨，[Name]，希望你一切都好。我联系你是因为注意到你们公司正在发展壮大。我们是 领先的销售赋能平台，深受 500 多家公司信赖。我很希望安排一次 30 分钟的通话，聊聊 我们如何帮助你们扩大销售团队。周二下午 2 点方便吗？

差示例的问题：

• “希望你一切都好”——容易触发垃圾邮件过滤，毫无价值
• 泛泛的观察——“正在发展壮大”适用于所有公司
• 以自我为中心的证明——“领先平台”无法验证
• 行动号召门槛太高——陌生人提出 30 分钟的会面要求过高
• 太长——前 75 个词都是废话，之后才提到任何价值

冷邮件结构规则：

元素	规则	原因
主题行	2-5 个词，全小写，不加标点	看起来像内部邮件
预览文本	收件箱中可见正文的前 40 个字符	让吸引点清晰可见
词数	50-125 个词	少于 50 个词显得不完整，多于 125 个词则容易失去读者注意力
段落	每段 1-2 句话	留白适合在手机上阅读
链接	首封邮件中不放链接	链接会触发垃圾邮件过滤器
图片	首封邮件中不放图片	图片会触发垃圾邮件过滤器
附件	首封邮件中不放附件	附件会触发垃圾邮件过滤器
签名	仅包含姓名 + 职位 + 公司	保持简洁，不加横幅或社交媒体图标
行动号召	每封邮件一个	多个行动号召会降低回复率
个性化	前 1-2 行	只要吸引点有效，其余内容通用也没关系

---

有关基准数据、送达率指南、逐周构建计划、成本分析、失败模式和高级技巧，请阅读 references/benchmarks-deliverability-tactics.md。

示例

• 用户说：“为我们的 SaaS 制定一套冷邮件序列” → **结果：**Agent 收集 ICP 和发送量，推荐 3 行邮件框架（观察 + 相关性 + CTA），建议使用 Instantly + Clay 组合，并输出包含主题行和间隔安排的 5–7 次触达序列。
• 用户说：“我们的回复率很低” → **结果：**Agent 进行 5 分钟审核（主题、首句、长度、CTA、垃圾邮件词），找出差距，然后建议进行 A/B 测试和信息补充，让首句更具体。
• 用户说：“搭建我们的外联基础设施” → **结果：**Agent 询问域名数量和发送量，建议预热（14–21 天）、邮箱和域名的数量规划，以及 Instantly/Smartlead + Clay 的分步设置方法。

故障排除

• 回复率低 → **原因：**首句泛泛而谈、没有基于信号进行定位，或 CTA 不够有力。**解决方法：**补充信息，并在首句中使用一个具体观察；使用单一、低门槛的 CTA（例如回复或简短通话）。
• 送达问题／邮件进入垃圾邮件文件夹 → **原因：**发送过快、域名健康状况不佳，或邮件内容触发垃圾邮件规则。**解决方法：**预热 14–21 天；将发送量限制为每个邮箱每天 25–30 封；首次触达时移除链接和图片；运行垃圾邮件检查。
• 没有安排会议 → **原因：**CTA 门槛太高（例如“预约 30 分钟会议”），或序列过早结束。**解决方法：**先使用门槛较低的 CTA（回复、简短通话）；延长至 5–7 次触达，每次间隔 3–5 天。

---

需要详细参考时，请阅读 references/quick-reference.md，了解检查清单、基准数据和探索性问题。

---

相关技能

• ai-sdr - 构建可自动完成整个外联工作流的 AI 驱动 SDR Agent
• lead-enrichment - 深入了解瀑布式信息补充、数据提供商和验证
• video-outreach - 在冷启动序列中添加个性化视频以提高互动率
• sales-motion-design - 设计外联所依托的完整销售模式
• gtm-engineering - 外联系统、API 和数据管道的技术基础设施
• solo-founder-gtm - 适用于创始人自行开展出站营销的精益外联手册
• positioning-icp - 在构建外联方案之前确定 ICP 和定位
• content-to-pipeline - 在冷启动外联之前，将内容用作预热渠道
• social-selling - 与邮件外联相辅相成的 LinkedIn 原生销售方式